KR20020008744A

KR20020008744A - 무선 신호 전파를 지형 통계적으로 분석하는 장치 및 방법

Info

Publication number: KR20020008744A
Application number: KR1020010018855A
Authority: KR
Inventors: 아르페존; 구토스키스탠; 토우아티무스타파
Original assignee: 추후제출; 스코어보드, 인크.
Priority date: 2000-07-21
Filing date: 2001-04-10
Publication date: 2002-01-31
Also published as: US6711404B1; DE60042708D1; BR0004214A; DE60025978T2; ATE318057T1; CA2325075A1; EP1662827B1; EP1175115B1; JP2002057614A; DE60025978D1; KR100803677B1; AR026455A1; EP1175115A2; EP1175115A3; ATE439019T1; EP1662827A1

Abstract

통계 보간 기법을 이용하는 방법은 무선 셀룰러 시스템으로부터 수집된 무선 주파수 데이터의 공간 가변성 및 연속성을 분석하고 시뮬레이트한다. 상기 방법은 셀룰러 시스템 계획 및 관리에 이용된다. 셀룰러 기지국의 설치 및 셋업 후에, RF 데이터의 분석 및 세정은 탑의 커버리지, 시스템에서 RF 홀의 위치, 주파수 재사용 및 간섭을 일으키는 2개 이상의 탑사이에 오버랩핑 RF 신호를 결정하기 위하여 실행된다. 상기 방법은 셀룰러 시스템에서 도로의 샘플을 운전 시험에 의해 수집되는 본래 RF 파워 데이터를 분석한다. 셀룰러 시스템에서 RF 전파의 지형 통계 모델은 클리깅을 통하여 결정된다. 상기 RF 경로 손실 트랜드 평가는 상기 본래의 데이터로부터 추출되어 전체 셀를러 시스템 영역을 통해 데이터 분산력을 설명하기 위해 모델링된다. 평가된 경로 손실 신호 맵은 셀룰러 시스템내의 관심 영역에 대하여 준비된다.

Description

무선 신호 전파를 지형 통계적으로 분석하는 장치 및 방법{APPARATUS AND METHOD FOR GEOSTATISTICAL ANALYSIS OF WIRELESS SIGNAL PROPAGATION}

본 발명은 이용가능한 전체 무선 스펙트럼의 이용을 최적화하는 셀룰러 전화 시스템 및 모델링 셀룰러 전화시스템에 관한 것으로서, 특히 측정된 네트워크 데이터 및 지형 통계적인 모델링 기법을 이용하여 셀룰러 시스템내에서 변화 및 확장을 관리하는 동시에 다른 변수에서 셀룰러 네트워크에 개선된 주파수 계획을 제공하는 것에 관한 것이다.

무선 통신 시스템의 서비스 영역은 셀로 알려진 접속 서비스 도메인으로 분할됨으로써, 무선 전화기(셀룰러) 사용자는 무선 링크를 경유하여 그 셀을 서비스하는 기지국과 통신한다. 상기 셀은 섹터로 더욱 분할 될 수 있다. 상기 기지국은 공용 서비스 전화망(PSTN)에 결합된다.

현재 이용가능한 상업용 이동 통신 시스템은 통상적으로 복수의 고정 셀을 포함하는데, 이러한 각각의 복수의 고정 셀은 그 각각의 서비스 영역내에서 이동 장치로부터 신호를 받아서 전송한다. AMPS 또는 FDMA 시스템에서, 각 기지국은 이동 장치와 통신할 수 있는 주파수 스펙트럼내에서 복수의 채널(각 30 ㎑ 폭)로 할당된다. 그 기지국의 범위내에서 이동 장치는 이러한 채널을 이용하는 기지국과 통신한다. 통상적으로, 기지국에 사용된 채널들은 그 기지국에 사용된 다른 채널상의 신호와 임의 채널상의 신호들이 간섭하지 않도록 동일한 방법으로 서로 분리된다(통상 1, 7 또는 21 중간 채널들 사이). 이러한 것을 달성하기 위하여, 운용자는 기지국에 그 다음 기지국으로부터 폭 넓게 각각 분리되는 채널 그룹을 할당한다. 기지국에서 제공된 신호들이 매우 강하여 그 기지국하고만 통신하는 영역내에 이동 장치가 있는 한, 그 통신과 간섭할 확률이 작다. 또한, 본 발명은 동일한 주파수 분할 다중 엑세스 방법에 의존하지 않는 GSM 및 iDEN 시스템과 동작할 수 있다.

IS-54 및 IS-136, GSM 및 iDEN을 포함하는 시분할 다중 엑세스(TDMA)로 불리는 일반적인 형태의 이동 시스템에 있어서, 각 주파수 채널은 각 주파수내에서 부가적인 채널로 시간 분할된다. 각 기지국은 몇개의 다른 간격 또는 시간 슬롯동안 버스트로 송수신한다. 주파수 밴드내에 이러한 시간 간격은 그 개별 채널들을 효율적으로 구성한다. 한 주파수내에 채널 분할을 구별하는 동시에 중첩 셀 디지털 코드사이에 공통 주파수의 채널들을 구별하는데 이용된다. 예컨대, IS-136은 한 셀에서 채널에 유일한 디지털 확인 컬러 코드를 이용하고 이용된다. GSM은 기지국 식별 코드를 이용한다.

이동 장치가 넓은 지역에 걸쳐 폭 넓게 이동하면서 전화 통신을 송수신하기 위하여, 각 셀은 정상적으로 그 커버리지 영역이 다른 복수의 셀의 커버리지 영역에 인접하고 중첩하도록 물리적으로 위치된다. 이동 장치가 한 기지국에 의해 커버되는 영역으로부터 다른 기지국에 의해 커버되는 영역으로 이동할 때, 그 이동 장치와의 통신은 그 인접 셀로부터 커버리지가 중첩하는 영역에서 한 기지국으로부터다른 기지국으로 전달된다. 이러한 중첩 커버리지 때문에, 상기 개별 셀에 할당된 채널들은 주의 깊게 선택되며, 그 결과, 인접한 셀은 동일한 채널상에서 송신하거나 수신하지 않는다. 이러한 분리는 폭 넓게 분리된 비간섭 채널의 그룹을 동일한 중심 셀에 할당한 다음 상기 중심 셀을 둘러싸고 있는 셀에 대하여 동일한 채널을 사용하지 않는 패턴을 이용하여 그 중심 셀을 둘러싸고 있는 셀에 폭 넓게 분리된 비간섭 채널의 다른 그룹을 할당함으로써 수행된다. 그 채널 할당 패턴은 그 셀의 제1 그룹에 인접하는 다른 셀과 비슷하게 진행한다. 가끔, 인접하거나 중첩하는 셀은 동일한 주파수상에서 전송하여, 이동 무선 장치에 의해 수신될 것이다. 그러나, 각 채널을 식별하는 디지털 코드 때문에, 상기 이동 무선 장치는 바람직한 신호를 처리하고, 그 이외의 수신은 무시할 수 있다.

지형 통계학은 랜덤 변수의 1 차원, 2 차원 및 3 차원 예측시 실제적인 문제가 될 수 있는 "공간 통계" 도구이다. 또한, 시간을 통하여 공간 - 시간 지형 통계의 4 차원 예측에 적용될 수 있다. 지형 통계학은 채광 공학, 주로 광석 매장량 평가 및 탐사 시나리오 시뮬레이션을 결정하기 위하여 1950년대 초에 이용되었다. 채광으로 수집된 데이터는 한정된 수의 시추공으로부터 토양 표본 채취 및 절단 뿐만 아니라 노출부로부터 샘플로 이루어진다. 1960년대 초에, 지형 통계학의 기본 이론의 골격은 채광 산업에 새로운 표준 기술을 설정하는 것으로 이루어졌다. 지난 30년에 걸쳐, 이러한 이론적인 골격은 보강되어 유체 흐름 모델링 및 표면하의 파형 전파 등과 같은 다른 종류의 문제점에 연속적으로 적용되었다. 그 새로운 어플리케이션은 진일보한 지형 통계 이론의 골격내에서 새로운 해법과 새로운 개념을 개발할 수 있다. 이러한 새로운 개발 객체는 물리적인 현상의 작용을 설명하는 공간 통계학과 미분 등식을 결합하는 것이 목적이다. 오늘날, 지형 통계학은 불확실한 것을 정량화하는 정확한 도구이다. 따라서, 관련 산업 분야 개발 관리자에 대한 위험 평가 도구로서 고려된다. 지형 통계학은 오일 및 가스 채광 엔지니어링의 종래 문제점으로부터 더욱 복잡한 문제점까지 분류한 많은 산업상의 문제 및 주식 시장에서 가격과 같은 도전적인 문제에 적용된다.

경로 손실은 송신 안테나로부터 수신 안테나까지 RF 신호 전파로서 발생하는 감쇄이다. 셀룰러 네트워크상에 경로 손실 데이터 샘플링, 습득 및 평가는 광석 또는 예상 매장량에서 만난 표준 문제점과 매우 비슷하다. 지형 통계학은 그러한 목적을 수행할 잠재성이 매우 크다. 물리적인 현상에 적용된 지형 통계학 이론은 무선 네트워크에 대한 전파 모델 및 데이터 측정을 결합하여 사용하는 것이 바람직하다. 이러한 어플리케이션은 무선 네트워크에서 데이터 손실을 정확하게 예측하는 수집 무선 데이터의 최대 사용 및 수집 효율을 제공한다. 그 방법은 측정 또는 평가 과정에 의해 에러를 평가하여 정량화하고, 규모 축소 정보를 제공하는 동시에 관심있는 영역에 걸쳐 경로 손실을 기술하는 고해상 모델을 RF 기술자에게 제공하며, 데이터 수집의 가장 좋은 전략인 연속 운전사이 또는 운전전에 다른 경로 손실 시나리오를 시뮬레이트한다.

지형 통계 분석 기법은 많은 자연 현상의 필수적인 특징인 공간 연속성을 설명하는 방법을 제공하는 동시에 이러한 연속성이 장점이 되는 종래의 퇴행 기술의채택을 제공한다. 지형 통계학에서, 본 발명에 교시된 바와 같이, 셀룰러 서비스의 예비 변수로 수정된 알고리즘의 적용은 다른 데이터 경감 기술로 상당히 개선된 결과를 산출한다. 공간 연속 분석의 목적은 거리 및 방향에 대하여 경로 손실 측정 변화를 정량화하는 것이다. 지형 통계 위치는 데이터가 움직이는 추세를 나타내는 경우에만 고려된다. 그 공간 정보를 정량화하는 것은 한 위치에서 측정된 데이터 값과 다른 위치에서 측정된 동일한 특성 값을 비교하는 것을 포함한다. 예컨대, 매우 근접한 2 개의 경로 손실 측정법은 더욱 떨어져 있는 2 개의 경로 손실 측정법보다 더욱 비슷한 값을 갖는 것 같다. 분리 거리에 대한 상관을 결정함으로써, 그 측정 위치의 평가는 그 측정 위치에서 얻어진 값을 토대로 이루어질 수 있다.

도 1은 셀룰러 전화시스템에서 확장 셀 커버리지에 대한 예시도.

도 2는 셀룰러 전화시스템에서 무선 커버리지 영역의 예시도.

도 3은 지형 통계 모델을 RF 신호 세기 데이터에 제공하는 흐름도.

도 4는 셀룰러 전화 시스템에서 기준 탑 사이트(base tower sites)의 위치를 도시하는 기본 맵에 대한 예시도.

도 5는 도 4의 기본 맵을 차분한 운전 시험으로 얻은 연속 디코딩 디지털 코드 신호 데이터를 도시하는 그래프도.

도 6은 셀룰러 전화시스템에서 채널간의 간섭에 대한 테이블도.

도 7은 운전 시험으로 얻은 RF 신호 세기 데이터에서 갭의 예시도.

도 8은 도 4의 기본 맵의 시험 영역에 빈(bin)을 적용하는 도시도.

도 9는 지형 통계적인 모델을 RF 신호 세기 데이터를 제공하는 병합 과정의 흐름도.

도 10은 거리에 따라 상관이 감소하는 베리오그램의 도시도.

도 11은 지형 통계적인 모델을 RF 신호 세기 데이터에 적용하는 병합 과정의 3 개의 단계에 대한 흐름도.

도 12는 보간 기법을 이용하여 알려지지 않은 데이터 지점을 찾는 도시도.

도 13은 도 8의 데이터로 지형 통계적인 방법의 결과를 도시하는 그래픽 예시도.

셀룰러 전화 시스템을 계획하고 확장하는 목표는 새로운 기준 탑 위치를 결정하고, 기지국사이에 무선 신호의 전파 거리를 토대로 주파수 재사용을 결정하기 위한 것이다. RF 데이터는 상기 시스템으로부터 수집되어 기지국의 채널 트래픽, 간섭, 서비스 영역 및 총 전파 영역을 분석하고 개정한다. 도 1은 셀룰러 전화 시스템의 일예를 도시한다. 복수의 안테나 탑 및 기지국(10)은 지형 그래픽 영역내에 위치된다. 가입자 장치(12)로부터 호출은 공중 서비스 전화망(PSTN)(16)과 이동 장비를 상호 결합하는 데 필요한 교환 장비를 포함하는 이동 교환 센터(MSC)(14)를 통하여 지향된다. 탑(10)은 상기 PSTN(16)에 접속된 원격 스위치를 갖는 기지국 스위치(BSS)(18)에 결합된다. 무선 전화 시스템의 커버리지는 벌집 그리드(20)의 형태로 셀에 통상적으로 도시된다. 안테나(10)가 너무 많고 가입자(12)가 통화중 신호 또는 강하 신호의 허용량을 경험하는 기지국의 서비스 영역내에 트래픽이 있을 때, 셀(20) 분할은 부가적인 기지국(10)을 통하여 상기 시스템내에 채널을 부가하기 위하여 실행될 수 있다. 기지국의 부가는 현존하는 셀룰러 시스템을 소형 셀 (22)로 분할하여 커버리지 영역내에 보다 큰 채널 용량을 생성한다. 그러나, 채널 용량을 부가하고 기지국(10)사이에 주파수 재사용이 평형을 이루는 것은 시스템내의 엔지니어링 RF 신호 커버리지를 복잡하게 한다.

스펙트럼 할당을 제한하는 무선 채널을 부가하기 위하여, 셀룰러 제공자는 동일한 채널을 재사용한다. 채널을 재사용하기 위한 전략은 신호 세기가 거리에 지수 함수적으로 감소한다는 사실에 기초한다. 따라서, 충분히 멀리 떨어져 있는 탑(10)은 서로 간섭을 일으키지 않고 동일한 무선 채널을 이용할 수 있다. 셀룰러 시스템 설계는 동일한 채널을 이용하여 간섭을 최소화하도록 셀 사이트를 분리한다.

도 2는 3개의 예시적인 기지국 셀에 대한 RF 커버리지 영역을 도시한다. 한 셀에 대하여 계산된 자유 공간 커버리지는 간섭 또는 차단이 없는 RF 신호의 이론적인 감쇄 한도이다. 파워 레벨 및 채널 주파수는 통상적으로 탑(10) 설치후에 조정된다. 영역 셀(A 24)에 대한 무선 커버리지 영역은 셀(B 26 및 C 28)을 부분적으로 중첩한다. 이러한 중첩은 동일한 채널간에 간섭할 잠재적인 영역이다. 셀(B 26 및 C 28)에 대한 무선 커버리지 영역은 그들사이에 홀을 갖는다. 이러한 홀은 약한 신호때문에 서비스 커버리지가 부족하거나 호출이 정지한 잠재 영역이다.

도 3의 흐름도는 데이터를 지형 통계학으로 모델링하여 그 모델링 변수를 시스템의 기본 맵에 적용하는 RF 데이터를 수집하는 바람직한 실시예의 단계를 도시한다. 원 RF 데이터(raw RF data) 세트(30)를 셀룰러 시스템으로부터 구성하기 위하여, 상기 데이터는 운전 시험 방법(32)을 통하여 우선 수집된다. 운전 시험 (32)으로 수집한 데이터(30)는 본 출원의 동일한 양수인이고, 발명의 명칭이 무선 신호 전파를 분열없이 수집 및 분석하는 장치 및 방법으로 계류중인 출원 제09/567, 709호에 기술되고, 본원에 참조용으로 포함된다. 도 4는 6개의 셀 사이트(RF1 내지 RF6)를 갖는 기본 맵에 대한 일예를 도시한다. 상기 운전 계획(34)은 셀룰러 시스템으로부터 대표적인 RF 신호 데이터를 효율적으로 수집하기 위하여 주의 깊게 결정된 경로이다. 상기 운전 계획(34)은 상기 셀룰러 시스템의 안테나(10)의 분배 평가 및 셀룰러 시스템 영역의 지리학상의 특성 분석을 통하여 설정된다. 동시 계류중인 출원에 세부적으로 기재되어 있는 바와 같이, 적합한 셀룰러 신호를 수신하고 측정하는 장비를 갖춘 차량은 운전 시험 계획(34) 맵의 셀룰러 시스템을 통하여 운전해서 실제 신호 수신 데이터(30)를 수집한다. 통계적으로 상당한 갯수의 측정은 각 기지국(10)과 각 이동 장치 위치사이에 상대적인 신호 세기를 결정하기 위하여 셀룰러 시스템을 통해 이루어진다.

운전 시험(32)은 셀룰러 시스템의 모든 영역을 커버할 수 없다. 그러나, 본 발명은 운전 계획(34)에 없는 도로를 따라 신호 데이터(30)를 찾는 방법을 제공한다. 총 운전 커버리지는 실현할 수 없고 불가능하다. 통상적으로, 도로의 단지 25%의 평균은 운전 시험(32)에 의해 커버된다. 시간 및 자원 한도 때문에 셀룰러 시스템안에 모든 도로를 커버하는 것은 실천하기 어렵다. 셀룰러 시스템의 일부분이 장애물을 만든 자연과 인간에 의해 엑세스할 수 없기 때문에 불가능하다. 상기 운전 시험 (32) 과정에 의해 얻어진 데이터(30)는 일부의 상기 운전 계획(34)이 여러번 운전되는 경우에도 실제 측정 상태의 본래의 불완전성 때문에 시험되는 영역에서 조차도 불완전하다.

RF 데이터(30)는 본 발명과 동일한 양수인으로 무선 신호 전파를 분열없이 수집 및 분석하는 장치 및 방법에 대하여 계류중인 출원 제09/567,709호에 개시된 바와 같이 채널을 끊기 보다는 오히려 노 키업(no key up) 방법으로 참견없이 수집될 수 있다. 디지털 채널들은 그 채널의 소오스를 지시하는 각 데이터 프레임안에 컬러 코드를 보낸다. 각 신호에 대한 위치 및 컬러 코드 데이터는 "노 키업" 방법을 이용하여 수집된 본래 셀룰러 RF 데이터(30)로서 수집된다. 채널 번호 및 컬러 코드의 결합은 기지국과 관련된 식별 데이터 지점을 생성한다. 그 컬러 코드가 운전 시험동안 디코딩될 수 없으면, 그 측정은 소오스 기지국과 신호를 결합시킬 수 없다. CDMA에서, PN 코드는 컬러 코드와 동일한 개념이다. 그 신호 레벨이 떨어지기 때문에, 그 컬러 코드를 디코딩할 수 있는 능력도 떨어진다. 유사하게, 간섭이 증가함으로서, 그 컬러 코드를 디코딩할 수 있는 확률은 감소한다. 상기 노 키업 방법에 따라, 운전 시험(32)은 도 5의 데이터 지점에 디스플레이된 데이터(30)를 산출할 수 있다. 상기 수집 장비는 신호 세기를 결정할 뿐만 아니라 디지털 채널 및/또는 송신 안테나를 식별하는 신호와 관련된 디지털 코드를 디코딩해야 한다. 정확하게 디지털 신호를 디코딩하는 것은 본래의 RF를 수신하는 것보다 어렵고, 보다 강력하거나 명확한 신호 수신을 필요로 한다.

복수의 섹터로부터의 데이터 지점은 RF 측정 데이터에서 정상적으로 발견된다른 전파 특성을 나타낼 수 있기 때문에 수집된다. 전파 변동은 도시, 소도시 및 시골의 구조적인 차이에 의해 영향을 받을 수 있다. 도시 환경에서, 상기 신호는 안테나로부터 급속히 감쇠하는 섹터 위치를 가진 교차하지 않는 거리를 따라 강력하게 전파하며, 그 결과 "터널링 효과"를 나타낸다.

DVCC를 이용하는 디지털 셀룰러 시스템에 대하여 2개의 인접한 탑사이에 예시적인 간섭 예는 도 6 및 도 7에서 발견된다. 도 7은 도 6의 RF 간섭 결과를 도시한다. 도 6에서, 탑(A 38)은 채널(110, 120, 130 및 140)상에 컬러 코드를 전송한다. 탑(B 40)은 채널(110, 120, 130 및 150)상에 컬러 코드(20)를 전송한다. 도 7에서, 2개의 탑(38, 40)사이의 도로(42)상에 운전 시험(32)은 2개의 탑으로부터 DVCC 데이터(30)를 수집한다. 상기 탑(38, 40)으로부터 채널들은 채널(120 및 130)이외에 유일한 것이다. 채널(120 및 130)로부터 컬러 코드는 비슷한 채널간의 간섭 때문에 디코딩될 수 없다. 따라서, 이러한 2개의 채널상에 신호의 소오스는 파워 레벨이 검출되고 데이터 갭(44)이 형성되더라도 식별될 수 없다. 비슷한 파워 레벨에서, 운전 시험(32)은 각 탑에 유일한 채널로부터 컬러 코드를 수집할 수 있다. 도로(42)상에 각 표시는 상기 신호로부터 데이터 수집 지점을 나타낸다. 탑(A 38 및 B 40)으로부터 전파 신호가 교차하는 장소에서 간섭은 데이터 갭(44)에 기인할 수 있다. 데이터(30)는 동일한 채널로부터 간섭할 수 있고, 운전 시험(32)은 신호 측정치를 수집하지만, 데이터 수집(30)시 상당한 갭(44)에 기인하는 동일한 채널간에 상당한 간섭이 존재하는 경우에 컬러 코드를 디코딩할 수 없다. 상기 수집 데이터(30)에서 갭(44)의 존재는 본 발명에 교시된 바와 같이 갭(44)을 채우기 위하여 데이터(30)를 보간할 필요성이 커진다.

상기 시스템에서 측정은 도 6의 그리드(46)에 분할된다. 그리드는 한 모델안에 데이터 수집 및 샘플링율을 최적화하는데 이용된다. 빈(48)은 상기 그리드의 한 개의 셀이다. 도 3의 데이터 분석(52)은 각 빈(48)의 중심에 위치된 값(50)으로 그리드 셀(48)내에 RF 데이터(30)의 평균 값을 빈(bin)하는 과정을 포함한다. 따라서, 분석된 각 빈 위치(48)는 상기 특정 빈 위치(48)내에 모든 RF 값을 나타내는 한 개의 RF 데이터 값(50)을 갖는다. 상기 데이터(3)의 평균은 일부 영역의 많은 측정 횟수 및 다른 영역의 적은 측정 횟수에 의해 발생할 수 있는 왜곡을 줄인다. 운전 시험(32)을 할 때, 샘플링은 일정한 비율에서 수행되는 반면, 셈플링 차량의 이동 속도는 변하기 때문에, 차량이 천천히 이동하는 영역에서 많은 데이터 샘플(30)이 얻어질 수 있다. 예시적인 실시예에서, 100m X 100m 그리드(46)는 셀룰러 시스템상에 오버레이된다. 상기 그리드(46) 크기 및 형상은 변할 수 있다. 그리드내에 빈 (48)의 형상 및 밀도를 변경하는 것은 셀룰러 시스템내에 데이터의 밀도 분배에 유용하다.

RF 신호 데이터 분석(52)의 다음 단계는 그 데이터를 조직하는 것이다. 운전 시험으로부터 수집된 데이터(30)는 공통 데이터베이스(54)에 조직되어 병합된다. 지형 통계 모델(56)은 그 병합 데이터베이스(54)안에 데이터로 만들어진다. 그 모델링 단계(56)의 목표는 확실성이 매우 높은 주변 빈(48)의 공지된 값을 토대로 빈 (48)의 값을 평가할 수 있는 기형 통계 모델을 생성하는 것이다. 일반적으로, 지형통계 기법을 이용하는 셀룰러 RF 신호의 모델링(56)은 상기 데이터의 변화를 기술하는 데이터(30)의 공지된 샘플을 모델링하는 것을 포함한다. 상기 바람직한 실시예의 방법은 셀룰러 시스템 영역안에 기지국에 의해 발생된 본래 RF 신호(30)의 샘플 세트로부터 RF 데이터 모델을 만든다. 상기 모델(56)은 측정 데이터를 정합하고, 신호 손실 및 샘플 데이터 세트 뿐만 아니라 공동 채널 간섭 이상의 무선 간섭을 보기위하여 최적화된다.

모델링된 무선 RF 신호 데이터(56)는 대규모 트랜드 효과의 존재를 볼 수 있다. 적은 규모 레벨에서, 데이터는 일정한 것으로 추측된다. 그 경로 손실을 평가하는 데에는 2가지 방법이 이용된다. 첫째, 정상 변수로 변형 데이터와 작업하고, 정상 공간에서 클리깅한 다음 실제 공간으로 돌아가는 방법을 이용하고, 둘째, "경로 손실 대 거리"의 관계에 대하여 최소의 평방형으로 경험적인 트랜드 평가를 이용하는 RF 데이터를 디트랜딩(de-trending)하는 바람직한 방법을 이용한다.

도 9의 흐름도에 도시된 병합 과정(58)은 클리깅의 지형 통계 모델링 기법을 이용하는 RF 경로 손실 데이터 전처리용 툴이다. 기지국(10)에서 각 섹터에 대하여, RF 경로 손실 측정은 본래의 포멧(54)으로 제공된다. 그 예시적인 실시예의 방법을 이용하면, 경로 손실 측정은 글로벌 빈 위치에서 섹터의 전체 목록에 대한 빈(48)에서의 경로 손실을 평가하는 방법으로 처리된다. 상기 병합 과정의 커넬은 도 9상에 단계(1 내지 4)에서 발견된 평가 작업 흐름 프로세스이다. 그것은 수학적으로 일정하고 지형 통계의 골격내에 설계된다. 상기 커넬의 형태는 로그 정상 경로 손실 트랜드를 평가하는 동시에 필터링하는 것을 토대로 한다. 상기 클리깅으로알려진 최고의 선형 불평형 평가기(Best Linear Unbiased Estimator)(BLUE)는 나머지 및 강조한 불확실성을 계산하는데 적용된다. 나머지는 경로 손실 데이터 측정으로 제거된 기지국에서 멀어지는 무선 신호의 자연적인 감쇄를 갖는 경로 손실 데이터이다. 그 최종 결과는 경로 손실의 클리깅 평가 및 클리깅 에러로 불린다. 그 평가기는 불평형 및 최소 분산의 명세서에 따라 계산된 무게를 갖는 데이터의 선형 함수이다. 상기 불평형이라는 의미는 평균적으로 평가 에러가 제로라는 것이다. 최소의 분산의 의미는 상기 스퀘어 평가 에러가 가능한 작다는 것이다. 선형 평가기의 무게를 선택할 때, 클리깅은 평가를 추구하는 위치로부터 및 서로 측정한 상대적인 거리를 설명한다. 그 무게는 상기 데이터의 공간 구조를 설명하는 베리오그램에 따른 변수로 선형 등식의 시스템을 해결하는 것에 의해 결정된다.

그 기본 병합 루프는 경로 손실 데이터베이스로부터 입력 데이터(60)를 판독하는 동시에 본래 데이터(54)에서 사본(62)을 검색하는 단계로 개시한다. 이러한 데이터는 본래 시험 운전 데이터(30)로부터 병합되는 RF 신호 경로 손실 측정 데이터베이스(54)로부터 판독된다. 이러한 단계(60)의 목적은 클리깅동안 비반전 시스템 매트릭스를 가질 가능성을 제거하기 위한 것이다. 상기 데이터(54)는 사본 데이터 구성 요소를 제거하는 방법으로 처리된다. 사본 데이터는 동일한 위치에서 얻어지는 몇개의 측정 또는 운전을 중첩하는 것에 의해 될 수 있다.

RF 데이터(54)는 한 사이트에서 로컬 좌표 또는 글로벌 좌표에 의해 측정되어 기본 맵에 전달된다. 통상적으로, 위도 및 경도 또는 UTM-X 및 UTM-Y 좌표 시스템은 운전 계획 기본 맵(34)상에 이용된다. 빈(48)의 갯수는 기본 맵(34)을 중첩하는 그리드(46)의 입력 크기에 의존한다. 입력 데이터 구성 요소(36)의 갯수, 위치, 값 및 다른 변수는 사전 처리용으로 조직된 바와 같이 병합 데이터베이스 (54)안에 기록으로부터 모두 발견된다.

상기 병합 과정의 2개의 단계(64)는 최소 자승 평균 알고리즘을 걸쳐 트랜드의 평가 및 경로 손실로부터 트랜드를 필터링하는 것으로 시작한다. 트랜드는 RF 신호 감쇄의 물리적인 현상의 함수인 로드 함수가 될 수 있다. 무선 신호의 감쇄는 신호 소오스로부터 떨어진 거리에서 지수적으로 신호 세기가 감쇄한다. 상기 데이터(66)의 디트랜딩은 경로 손실의 결정 및 랜덤 부분을 분할하기 위하여 실행된다. 데이터(66)를 디트랜딩하는 가장 단순한 방법은 일반적인 최소 자승 방법을 이용하는 것이다. 따라서, 경로 손실 값이 위치되는 각 빈(48)에서, 그 빈(48)에서 트랜드는 그 거리에 대한 경로 손실 대 로그를 설계하고, 다음과 같은 등식에 의해 최소 자승 회귀 방법을 이용하여 평가된다.

PLt = a Log₁₀d + b

상기 등식에서, a는 라인의 경사이고, b는 절편이며, PLt는 경로 손실 트랜드이다. 그 트랜드 필터링 데이터 값은 나머지로 언급된다. 나머지는 일반적으로 다음 등식에 의해 찾을 수 있다.

나머지 데이터 = Plm - PLt

상기 등식에서, Plm은 경로 손실 측정이다. 도 3에서, 그 트랜드 값은 상기 병합 데이터베이스(54)로부터 개별적인 상기 모델에 입력(68)이다.

각 RF 측정 지점(xm,ym)에 대하여, x는 방사 거리(dm)로 언급하고, 여기서,

dm =[(xm-xrf)²+(ym-yrf)²]^1/2

y는 경로 손실 측정치 PLm(xm,ym)으로 언급한다. 회귀 변수의 계산은 다음과 같다.

a = (SxxSy - SxSxy)/△

b = (SSxy - SxSy)/△, 여기서,

S = _i1/ _i ²Sx= _ix_i/ _i ²Sy= _iy_ii/ _i ²

Sxx = _ix_i ²/ _i ², Sxy = x_iy_i/ _i ²

여기서, _i는 측정 에러의 분산

△ = S S_xy- S_x ²

각 측정점(xm,ym)에 대하여 다시 언급하면, 그 경로 손실 트랜드는 다음 등식에 발견된다.

PLT(xm,ym) = a*log₁₀x + b

따라서, 그 경로 손실 나머지를 찾기 위한 공식은

PLR(xm,ym) = PLm(xm,ym) - PLT(xm,ym)이고, 동일한 빈에서 경로 손실 측정으로부터 각 빈에서 경로 손실 트랜드를 감하기 위하여 제공된다.

상기 경로 손실(신호)이 자유 공간에서 소멸하고 대략 20log₁₀[R]이기 때문에움직이는 것으로 예상되는데, 여기서, R은 안테나로부터의 거리이다. 병합 처리의 목적은 그 계산 결과가 의사 고정 나머지인 것으로 가정한다. 그 트랜드는 공간 연속성에서 모든 방향이 될 것으로 가정된다. 그 가정은 공간 연속성이 상기 트랜드에 대하여 모든 방향에서 동일하다고 믿는 것을 암시하는 것은 아니다. 상기 가정은 간단한 계산에 대한 트랜드의 거리 변수를 포커싱하는 것을 제공하고, 상기 트랜드가 상기 방향으로 유도되는 경우 방향 트랜드를 포함하기 위하여 수정될 수 있다.

상기 빈에서 나머지를 클리깅하는 것은 병합 처리의 제3 단계(70)이다. 클리깅 전에, 시스템의 공간 연속성을 기술하는 도 10의 예시적인 베리오그램(72)과 같은 베리오그램은 개발되거나 가정된다. 예시적인 실시예에 있어서, 베리오그램(72)특성은 다른 종류의 경로 손실 공간 동작의 카탈로그를 통하여 알려진다. 이러한 가정은 그들의 타당성에 따라 새로운 데이터 세트로 선택될 수 있다. 그러한 가정을 극복하기 위한 방법은 움직이는 지형 통계의 골격을 대안으로 이용하는 것을 포함한다. 그러한 대안은 인트린식 랜덤 함수(Intrinsic Random Function)(IRFk) 이론의 골격내에 일반화된 베리오그램의 개발을 필요로 한다.

상기 베리오그램 _(h)용어는 거리의 함수로서 다른점 또는 증가하는 분산의 측정이다. 그 베리오그램은 상기 래그에 대하여 발견된 쌍의 갯수를 2로 분할한 래그 내의 모든 데이터 쌍의 평방차의 합이다. 증가하는 래그 거리(h)의 함수로서 계산하고 설계하는 _(h)는 실험적인 베리오그램(72)의 기법에 기인한다.

거리가 증가함에 따라, _(h)는 실(sill)로 알려진 일정값에 도달하는 경향이 있다. 베리오그램에 대하여, 상기 실은 측정 데이터의 변수(σ^θ)이다. 상기 베리오그램에 의해 실이 도달되는 거리는 그 범위 또는 상관 길이로 불려진다. 상기 실 및 범위는 상기 데이터에서 방향성 트랜드를 비교할 때 유용한 특성이 있다. 도 10은 800 미터의 짧은 척도 상관 범위 및 2200 미터의 긴 척도 범위를 도시하는 가설적인 이방성 베리오그램(72)을 도시한다.

다른 실시예에서, 베리오그램의 변수는 데이터 세트로부터 모델링된다. 베리오그램 모델링 단계는 그 베리오그램을 이론적인 모델에 제공하고, 그 측정된 데이터의 베리오그램에 설치하는 수집 데이터상에서 베리오그램이 실행된다. 각각 연구된 방위각 및 래그(분리) 거리에 대하여, 모든 측정 값은 상기 베리오그램으로 알려된 통계 값과 같이 공간적으로 상관되고 표현될 수 있으며, 다음과 같은 표현식을 이용하여 계산된다.

_(h)=

상기 등식에서,

Z_(xi)= xi에서의 샘플 위치

Z_(xi+h)= (xi에서의 샘플 위치) + (래그 거리h)

n = 데이터쌍의 갯수

다른 변경 실시예에서, 다른 실험적인 베리오그램은 가까운 범위, 긴 범위이방성 및 긴 범위 모든 방향을 포함하여 계산된다. 보다 좋은 예측은 상기 데이터안에 이방성을 설명함으로써 만들어질 수 있다. 이방성 베리오그램은 일 방향 스칼라 거리를 설명하는데, 모든 것은 데이터 지점의 쌍간에 동일한 거리로서 측정된다. 상기 RF 신호 측정에 대한 가까운 범위 베리오그램 및 긴 범위 베리오그램은 RF 데이터가 거리의 함수로서 파워를 줄이는 고유의 트랜드를 갖는 것을 도시한다. 고유의 트랜드를 갖는 데이터는 이동하는 것으로 언급되며, 실에 꼭맞지 않고, 오히려, 거리에 따라 분산이 지속적으로 증가한다. 경로 손실이 대략 20 log₁₀[R]와 같이 자유 공간에서 쇠퇴하기 때문에 움직이는 것으로 예상되는 데, 여기서, R은 안테나로부터의 거리이다. 정확한 베리오그램 모델링은 데이터의 지형 통계적인 분석동안 보간 값에 치우치는 것을 피하기 위하여 모델링 나머지를 요구한다.

또 다른 변경 실시예에서, 상기 처리 범위가 줄어드는 모든 셀룰러 시스템 섹터로부터 전체 데이터 섹터를 기초로 포괄적인 베리오그램을 찾는 것이다. 무선 시스템은 이론적으로 수백개의 섹터를 포함할 수 있다. 각 섹터를 모델링하는 대신에, 상관된 섹터의 목록이 만들어진다. 그 원리적인 구성 요소 분석은 각 상관된 섹터 목록을 대표적인 구성 요소로 줄이는데 적용된다. 이러한 방법은 크기의 순서로 베리오그램 모델의 갯수를 줄일 수 있다.

클리깅은 컴퓨터 소프트웨어 해법을 통하여 적용된 지형 통계적인 보간 기술이다. 그 바람직한 실시예는 일반적인 소프트웨어 코드를 통해 병합 처리를 실행하여 상기 병합 데이터베이스로부터 입력 RF 데이터를 처리하는 동시에 글로벌 빈 위치에서 평가된 경로 손실 측정치를 출력한다. 상기 병합 처리는 컴퓨터상에서 효율적으로 실행될 수 있는 수천개의 섹터에 적용될 수 있다. 클리깅은 반전 가중 거리와 비숫한 선형 가중 평균 방법이지만, 클리깅 가중은 공간 상관 모델, 즉 베리오그램 모델에 의존한다. 클리깅은 베리오그램을 이용하여 분산력을 평가한다. 데이터 지점이 알려져 있지 않으면, 이웃 지점으로부터 제공된 값 및 가중치를 계산하여 알려지지 않은 관심있는 지점을 찾는다. 클리깅은 관심있는 지점으로부터 거리에 부가하여 이웃 지점의 공간 상관에 원인이 되기 때문에 바이어스를 제거한다.

병합 처리의 3 단계(70)는 도 11의 흐름도에 도시된다. 그 부근 검색(72)은 관심 있는 정해진 영역내에 데이터 지점을 찾는다. 이방성 데이터에 대하여, 그 관심 영역은 통상적으로 관심 있는 빈(48)에 집중된 타원형이다. 타원형의 방향은 공간 연속 패턴으로 이방성에 의해 지시된다. 그 검색 타원의 주축은 다른것 보다 일방향으로 더욱 연속하는 RF 신호 데이터상에 지향된다. 상기 관심 영역에 결정력 있는 크기 또는 얼마나 많은 샘플을 포함하는지가 없다. 그 다음 단계는 상기 클리깅 시스템(76)의 우측의 계산에 의한 클리깅 매트릭스(74)의 계산이다. 상기 매트릭스의 좌측은 타겟 지점 근처에 있는 RF 데이터 지점의 상호 위치에 의존한다. 상기 매트릭스의 좌측 및 우측은 매시간 설정되어야 한다. 상기 클리깅 가중치의 벡터는 이웃 및 그들의 가중치를 이용하여 평가된 나머지(80)의 선형 결합의 클리깅 시스템(78)을 해결함으로써 얻어진다. 최종적으로, 각 빈(48) 위치에서 경로 손실 (82) 및 나머지(84)의 분산은 계산된다.

병합 처리(58)의 제4 단계(86)는 빈(48)에서 트랜드를 평가하고 나머지 평가치를 부가하여 커넬을 종료한다. 상기 빈에서 경로 손실 트랜드가 계산된다. 상기 크리깅된 나머지는 경로 손실 트랜드에 역으로 부가된다. 이것은 상기 그리드상에 특정 빈 위치에 대한 클리깅 경로 손실의 계산에 기인하다.

상기 모델 그리드(46)내에 지형 그래픽 지점에 경로 손실을 계산할 수 있는 능력은 도 12에 도시된다. 예시적인 빈(48)은 그리드 라인(46)에 도시된다. 각 빈(50)의 중심에 데이터 값은 Z₁내지 Z₆으로 레벨된다. 지점(Z_a88)은 지형 지점, 예컨대, 경로 손실 측정치가 알려지지 않았지만 바람직한 기본 맵의 도로상에 위치된 지점이다. 값(Z₁내지 Z₆)은 클리깅 처리용으로 선택된 이웃 데이터 지점이다. 그 이웃의 클리깅을 처리한 후에, 가중치는 각 빈 카운트를 위하여 계산된다. 다음과 같은 등식은 Z_a에서 RF 경로 손실 값을 찾기 위하여 제공된다.

Z_a= Z_i

상기 등식에서, Z_i는 카운트(Z_i내지 Z₆)의 값이고,는 각 카운트에 대한 가중 요소이다. 상기 등식으로부터 그 값들을 가산한 후에, Z_a에서 이전에 알려지지 않는 RF 경로 손실 데이터 값의 평가는 계산되어 보고된다.

그 결과(90)를 보고하는 것은 병합 처리의 마지막 단계 이다. 출력은 분석을 엔지니어링하는 요건 및 무선 네트워크를 최적화하는 목표에 따라 익숙해질 수 있다. 상기 경로 손실의 클리깅 에러는 측정되어 한 보고서로서 출력된다(92). 상기 병합 처리로부터 데이터를 출력하는 예는 각 빈 위치에서 평가된 히스토그램을 포함하는데, 확률 맵은 소정의 컷오프 이상 또는 이하의 확률을 보여주고, 리스크 맵은 0 내지 100%의 소정의 확률에 대한 경로 손실 값을 평가한다. 도 13은 도 4에 도시된 운전 경로에 대하여 평가된 경로 손실 데이터의 그래프(94)를 도시한다.

상기 병합 처리의 품질 제어 출력은 모델링 처리를 통하여 처리하는 것과 같이 커넬의 처리에 대하여 설명한다. 이러한 출력은 상기 병합 처리 단계, 완성률로서 병합 처리 단계의 처리 지시기 및 분석된 각 섹터에 대한 병합 처리의 연속 통계를 포함한다.

그 모델의 정당성은 그 평가치와 측정치를 비교한다. 클리깅 평가치가 공평한 경우, 평가치와 측정치의 평균은 같게 되어야 한다. 이러한 방법은 현재 출원인과 동일한 양수인으로 계류중인 출원 제09/567,709호에서 더욱 토론되고, 본원에 참조용으로 포함된다.

도 3에서 흐름도의 최종 단계는 모델링한 변수를 기본 맵(96)에 제공하여 그 결과(98)를 출력하는 것이다. 그 클리깅 경로 손실의 목표는 데이터를 수집하지 않은 빈에서 무선 신호 데이터를 찾고, 그 데이터는 모호하고, 빠지고, 손상되거나, 사용할 수 없는 것이다. 특정 위치에서 알려지지 않은 데이터 값을 평가하기 위하여, 가중된 선형 결합이 이용된다. 그 가중치는 가능한 클러스터링을 참작하고, 근처 샘플로의 거리를 참작한다. 지형적으로 분산된 데이터 값은 클러스터링 지점보다 경로 손실 보간을 훨씬 강조한 것을 수신한다. 평가는 글로벌 누적 분배, 로컬 분배, 또는 개별 데이터 요소가 될 수 있다. 셀룰러 채널의 간섭 영역을 정확하게 식별할 수 있는 능력은 지형 통계 모델을 이용한다. 바람직한 실시예의 병합 처리를 이용하면, 데이터 품질의 높은 신뢰도가 얻어질 수 있다. 셀룰러 시스템의 임의 지점에서 데이터 값을 정확하게 평가할 수 있는 능력을 가짐으로써, 상기 지형 통계 모델은 채널간에 간섭이 발생하는 영역 및 그 간섭의 원천을 정확하게 식별할 수 있다.

셀룰러 시스템 RF 데이터의 지형 통계 모델링에 대한 실시예의 다른 적용은 한 섹터에서 유사한 서버를 정확하게 결정한다. 이러한 한 섹터에서 유사한 서버는 한 섹터안에 가장 강력한 신호를 가지고서 이동 가입자 장치가 그 섹터내에 위치되는 동안 그 장치를 서비스하는 기지국이다. 이동 장치의 중단 없는 서비스를 넓은 지역에 걸쳐 제공하기 위하여, 각 셀의 서비스 영역은 인접 셀의 서비스 영역과 중첩한다. 그 중첩 영역내에, 한 개 이상의 기지국은 이동 가입자 장치를 서비스할 것이다. 서비스 영역은 본 출원의 동일한 양수인으로 셀룰러 시스템을 개선한 계류중인 출원 번호 제08/887101호에 토론되고, 본원에 참조용으로 포함된다. 기형 통계 자료를 통하여, 한 섹터에 대한 유사한 서버 영역의 정확한 측정은 결정될 수 있다. 또한, 그 지형 통계 모델은 인접한 섹터의 서버 영역과 총 전파 영역, 및 다른 셀로부터 서버 영역 및 전파 영역에 대한 전파 모델을 결정할 수 있다. 관심있는 섹터의 유사한 서버 영역은 다른 서버의 신호 전파로부터 간섭 신호를 수신한다. 지형 통계 자료를 이용하면, 복수의 서비스 영역으로부터 간섭 전파 신호는 모델링되고, 신호 전파가 결정됨으로써, 그 셀룰러 네트워크를 최적화하기 위한 우수한 방법을 제공한다.

지형 통계 모델링은 큰 데이터 수용을 필요로 하는 셀룰러 시스템 및 사이트 위치에서 데이터 측정이 부족한 장소를 결정할 수 있다. 셀룰러 시스템을 시험하는 운전은 셀룰러 시스템에서 총 도로의 일부에서만 데이터를 수집한다. 셀 시스템 내의 특정 지형 영역에서 수집된 데이터는 모델링 후에 미심쩍거나 일치하지 않는 결과를 산출할 수 있고, 또한, 데이터 갭은 간섭 또는 토포그래프 요소 때문에 발생한다. 바람직한 실시예의 병합 처리를 이용하는 이러한 데이터 영역의 지형 통계 모델링은 시스템 설계자가 다음 운전 시험에서 보다 큰 데이터 수용을 필요로하는 시스템의 위치를 정확하게 결정하는데 이용될 수 있다.

또한, RF 데이터의 지형 통계 모델링을 사용하는 것은 안테나의 신호 세기 또는 방향을 수정할 때 발생하는 네트워크에서의 변화를 식별하거나, 한 섹터에서 새로운 간섭이 전파된다. 셀룰러 분배 및 주파수 재사용은 기지국에서 정확하게 안테나의 각 및 틸드를 조정하는 것에 의존하고, 이것은 인접 채널의 전파 간섭을 최소화하는 서버 영역을 만든다. 안테나의 각 및 틸드의 변경은 지형 통계 기술을 이용하여 식별되고 그래프화 될 수 있다. 지형 통계 자료로 운전 시험 데이터의 제1 세트를 분석하고 그래프화 한 후에, 비슷하게 분석되고 그래프화되는 동일한 섹터로부터 차후에 얻어진 운전 시험 데이터 세트는 신호 전파의 변경에 대한 이전의 데이터 세트와 비교될 수 있다. 또한, 셀룰러 네트워크의 지형 통계 모델은 반대의 견지에서 보아 셀 네트워크에서 변경하는 동시에 각도 및 틸트를 조정하여 그 효과의 전파 모델을 정확하게 예측할 수 있는 능력이 있다. 서버 영역 및 전파 모델을 예측함으로써, 병합 처리에서 실행된 바와 같은 지형 통계 기술은 각 서비스 영역을 간섭에 자유롭게 하면서 다른 섹터로의 전파 간섭을 줄이기 위하여 필요한 안테나의 반복적인 조정을 매우 줄일 수 있다.

지형 통계 모델링은 부가적으로 개선된 보고 메커니즘을 제공하여 케리어 관리팀이 무선 네트워크내에서 성장으로 기울여 추적할 수 있다. 주파수 최적화는 무선 네트워크내에 서비스 품질 및 자본 효율을 추적하고, 트랜드하며, 예상할 수 있는 능력을 요구한다. 측정 네트워크 데이터 및 지형 통계 모델링 기술을 이용하면, 그 병합 처리 방법론은 다른 변수하에 셀룰러 네트워크에 대한 최적의 주파수 계획을 그래프 및 숫자로 얻을 수 있는 능력을 제공한다. 상기 모델은 현재의 트래픽 수요 및 계획된 트래픽 증가를 토대로 최적의 주파수 계획을 결정할 수 있다.

본 발명이 바람직한 실시예에 의하여 설명될지라도, 당업자라면 본 발명의 정신 및 범위를 벗어남이 없이 다양한 수정 및 변경이 가능하다는 것을 이해할 것이다. 따라서, 상기 기술된 실시예는 본 발명을 제한하기 보다는 오히려 모든 관점에서 예시하기 위한 것이다. 따라서, 본 발명은 본원에 포함된 설명으로 유도될 수 있는 상세한 실행으로 많이 변경될 수 있으며, 이러한 변경 및 수정은 다음과 같이 청구범위에 정의된 본 발명의 정신 및 범위내에서 고려될 것이다.

Claims

무선 통신 시스템에서 RF 전파를 평가하는 방법에 있어서,

상기 무선 통신 시스템 내에 알려진 지형 위치에 대응하는 상기 무선 통신 시스템내의 측정 RF 경로 손실 데이터를 수집하는 단계와,

상기 측정된 RF 경로 손실 데이터를 보간하는 단계와,

상기 수집된 측정 경로 손실 데이터로부터 보간된 경로 손실 신호의 세기 레벨의 데이터 세트를 설정하는 단계와,

상기 알려진 지형 위치에 대하여 상기 측정된 데이터 및 해당하는 측정 데이터가 없는 지형 위치에 대하여 상기 보간된 데이터 세트로부터 선택된 데이터 지점을 포함하는 최종 RF 전파 데이터 세트를 생성하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제1항에 있어서, 상기 최종 RF 전파 데이터 세트를 생성하는 단계는 거리의 함수로서 변하는 상관을 상기 보간으로 인수 분해하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제1항에 있어서, 상기 최종 RF 전파 데이터 세트를 이용하여 상기 무선 시스템내에 상기 데이터 값과 관련 없는 지형 위치에 대한 데이터 값을 결정하는 단계를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제1항에 있어서, 분산된 이웃 데이터 값의 가중치는 상기 보간 기술에 대하여 클러스터된 이웃 데이터 값과 평형을 이루는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제1항에 있어서, 상기 데이터 소오스의 분산을 이용하는 복수의 데이터 소오스를 보간하여 상기 데이터의 유의값(significance)에 가중치를 부여하는 단계를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제1항에 있어서, 상기 최종 RF 전파 데이터 세트를 이용하여 상기 측정된 RF 경로 손실 데이터의 부가적인 수집을 계획하는 단계를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제1항에 있어서, 상기 무선 시스템에서 제1 최종 전파 데이터 세트를 생성하는 단계와,

상기 제1 전파 모델의 생성 후에 정해진 시간이 경과한 다음 갱신된 제2 전파 데이터 세트를 생성하여 시간에 따라 네트워크 변화를 감시하는 단계를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
한 개 이상의 무선 기지국으로부터 무선 신호 데이터를 수집하는 단계와,

상기 무선 신호 데이터의 데이터 요소를 그 각 데이터 요소가 수집되는 위치에 해당하는 지형 위치에 결합하는 단계와,

상기 데이터 요소를 소오스에 결합하는 단계와,

공간 연속 분석을 토대로 상기 무선 신호 데이터에 보간 모델을 적용하는 단계와,

상기 보간 모델을 이용하여 무선 네트워크를 관리하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제8항에 있어서, 상기 데이터 요소와 소오스를 결합하는 단계는 상기 무선 신호 데이터내에 디지털 식별 코드를 식별하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제9항에 있어서, 상기 디지털 식별 코드를 식별하는 단계는 고속 컬러 코드 디코더를 이용하여 악조건하에 정보를 얻을 수 있는 확률을 증가하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제8항에 있어서, 상기 모델을 이용하여 상기 무선 네트워크를 관리하는 단계는 상기 무선 시스템내에 알려진 지형 위치에서 알려지지 않은 데이터 요소의 가능한 신호 세기 경로 손실을 결정하는 것을 특징으로 하는 무선 통신 시스템에서 RF전파를 평가하는 방법.
제8항에 있어서, 상기 보간 모델은 지형 통계 기법을 이용하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제8항에 있어서, 상기 지형 통계 보간 모델을 적용하는 단계는 공간 상관의 모델에 따라 선형 가중 평균 방법을 적용하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제8항에 있어서, 상기 수집된 무선 데이터의 공간 트랜드를 정의하는 단계와,

상기 무선 데이터로부터 상기 공간 트랜드를 필터링하는 것에 의해 상기 무선 데이터를 디트랜딩하는 단계와,

상기 무선 신호 데이터에 지형 통계 모델을 적용하는 단계에서 상기 디트랜드 무선 데이터를 이용하는 단계를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제8항에 있어서, 상기 보간 모델을 적용하는 단계는

상기 무선 시스템의 최소의 부분을 오버레이하는 복수의 빈(bin)으로 이루어지는 모델을 생성하는 단계와,

상기 각 빈에서 상기 데이터로부터 공간 트랜드를 제거함으로써 제2 나머지 데이터 세트를 생성하는 단계와,

지형 통계 기법을 이용하여 상기 제2 나머지 데이터 세트를 보간하는 단계와,

상기 공간 트랜드 데이터를 상기 보간된 제2 나머지 데이터 세트에 부가하는 단계와,

상기 빈에서 무선 신호 경로 손실 평가를 통보하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제15항에 있어서, 상기 지형 통계 기법을 이용하여 상기 제2 나머지 데이터 세트를 보간하는 단계는 클리깅(kriging), 코클리깅(cokriging), 외부 편류로서 클리깅 또는 코로케이션 코클리깅(colocation cokriging)을 포함하여 상기 무선 신호 데이터의 경로 손실을 계산하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제16항에 있어서, 상기 보간 기법은

빈 근처에 상기 무선 신호 데이터의 이웃을 검색하는 단계와,

클리깅 매트릭스를 계산하는 단계와,

상기 이웃 값의 선형 결합에 의한 가중치 및 상기 이웃 값의 가중치를 찾는 단계와,

상기 경로 손실의 평가 분산을 계산하는 단계와,

빈 위치에서 상기 평가된 나머지 데이터 지점을 계산하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
한 개 이상의 무선 기지국으로부터 무선 신호 데이터를 수집하는 단계와,

상기 무선 신호 데이터의 데이터 요소를 그 각 데이터 요소가 수집되는 위치에 해당하는 지형 위치에 결합하는 단계와,

상기 데이터 요소를 소오스에 결합하는 단계와,

공간 연속 분석을 토대로 상기 무선 신호 데이터에 보간 모델을 적용하는 단계와,

상기 보간 모델을 이용하여 상기 무선 시스템내의 알려진 지형 위치에서 알려지지 않은 데이터 요소의 가능한 신호 세기 경로 손실 값을 결정하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제18항에 있어서, 상기 보간 모델은 지형 기법을 기초로하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
무선 시스템의 적어도 일부분을 오버레이하는 복수의 빈으로 이루어지는 모델을 생성하는 단계와,

상기 빈에서 상기 데이터로부터 공간 트랜드를 제거함으로써나머지(residual)를 생성하는 단계와,

공간 연속성 분석을 토대로 보간 기법으로 상기 나머지를 모델링하는 단계와,

상기 공간 트랜드 데이터를 모델링된 나머지에 부가하는 단계와,

상기 빈에서 모델링된 경로 손실 데이터를 보고하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제20항에 있어서, 상기 데이터로부터 공간 트랜드를 제공하는 것은

상기 수집된 무선 데이터에서 공간 트랜드를 인식하는 단계와,

상기 무선 데이터로부터 상기 공간 트랜드를 필터링함으로써 상기 무선 데이터를 디트랜드하는 단계와,

상기 무선 신호 데이터에 지형 보간 기법을 적용하는 단계에서 상기 디트랜드 데이터를 이용하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제20항에 있어서, 상기 공간 연속성 분석을 토대로 보간 기법으로 상기 경로 손실 측정을 모델링하는 단계는 지형 통계 보간 기법을 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제22항에 있어서, 상기 지형 통계 기법으로 상기 경로 손실 측정을 모델링하는 단계는 클리깅, 코클리깅, 외부 편류로써 클리깅 또는 코로케이션 코클리깅을 포함하여 상기 무선 신호 데이터의 경로 손실을 계산하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
상기 무선 통신 시스템내의 알려진 지형 위치로부터 상기 무선 시스템내에서 수집된 측정된 경로 손실 신호 세기 레벨의 데이터 세트를 수집하는 단계와,

복수의 분산 통계 기법(multivariate statistical techniques)을 이용하여 상기 데이터 세트를 분석하는 단계와,

상기 데이터 세트의 복수의 전파 모델에 입력하기 위하여 상기 데이터 세트의 상기 복수의 분산 통계 분석으로부터 독립 변수 세트를 유도하는 단계를 포함하고, 상기 모델은 상기 분산 통계 분석의 하나에 대응하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제24항에 있어서, 상기 복수의 분산 통계 분석은 복수의 분산 지형 통계 분석 기법을 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
상기 무선 통신 시스템내에 알려진 지형 위치로부터 상기 무선 시스템내에서 수집된 측정된 경로 손실 신호 세기 레벨의 데이터 세트를 수집하는 단계와,

공간 시간적 통계 기법(spatio-temporal statistical techniques)을 이용하여 상기 데이터 세트를 분석하는 단계와,

상기 무선 시스템내에서 측정되지 않은 지형 위치에 대하여 적절한 RF 전파 값을 결정하는 전파 보간 변수를 유도하는 단계를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
제26항에 있어서, 상기 공간 시간적 통계 기법은 지형 통계 기법을 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 방법.
한 개 이상의 무선 기지국으로부터 무선 신호 데이터를 수집하는 무선 수신 장비와,

상기 무선 수신 장비에 결합되어 상기 무선 신호 데이터의 데이터 요소와 상기 각 데이터 요소가 수집되는 위치에 해당하는 지형 위치를 결합하는 지형 위치 장비와,

상기 수집 데이터의 각 요소의 신호 세기를 결정하는 신호 세기 측정 장비와,

상기 수집 데이터내에 디지털 식별 코드를 식별하는 디지털 디코딩 장비와,

상기 수집된 측정 경로 손실 데이터로부터 보간된 경로 손실 신호의 세기 레벨의 데이터 세트를 설정하고, 상기 알려진 지형 위치에 대하여 측정된 데이터 및 해당하는 측정 데이터를 갖지 않는 지형 위치에 대하여 상기 보간된 데이터 세트로부터 선택된 데이터 지점을 포함하는 최종 RF 전파 데이터 세트를 생성하는 프로세서를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제28항에 있어서, 상기 프로세서는 거리의 함수로서 변하는 상관을 상기 보간으로 인수 분해하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제28항에 있어서, 상기 프로세서는 상기 최종 RF 전파 데이터를 이용하여 상기 무선 시스템내에 상기 임의 데이터 값과 관련 없는 지형 위치에 대한 데이터 값을 결정하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제28항에 있어서, 상기 분산된 이웃 데이터 값의 가중치는 상기 보간 기술에 대하여 클러스터된 이웃 데이터 값과 평형을 이루는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제28항에 있어서, 상기 데이터의 유의 값에 가중치를 부여하기 위하여 상기 데이터 소오스의 분산을 이용하는 복수의 데이터 소오스를 보간하는 프로세서를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제28항에 있어서, 상기 프로세서는 상기 데이터의 유의 값에 가중치를 부여하기 위하여 상기 데이터 소오스의 분산을 이용하는 복수의 데이터 소오스를 보간하는 것을 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제28항에 있어서, 상기 측정된 RF 경로 손실 데이터의 부가적인 수집을 계획하기 위하여 상기 최종 RF 전파 데이터 세트를 이용하는 프로세서를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제28항에 있어서, 상기 무선 시스템에서 제1 최종 전파 데이터 세트를 생성하는 상기 프로세서와,

상기 제1 전파 모델의 생성 후에 정해진 시간이 경과한 다음 제2의 갱신된 전파 데이터 세트를 생성하여 시간에 따른 네트워크 변화를 감시하는 프로세서를 더 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
한 개 이상의 무선 기지국으로부터 무선 신호 데이터를 수집하는 무선 수신 장비와,

상기 무선 수신 장비에 접속되어 상기 무선 신호 데이터의 데이터 요소와 상기 각 데이터 요소가 수집되는 위치에 해당하는 지형 위치를 결합하는 지형 위치 장비와,

상기 수집 데이터의 각 요소의 신호 세기를 결정하는 신호 세기 측정 장비와,

상기 수집 데이터내에 디지털 식별 코드를 식별하는 디지털 디코딩 장비와,

상기 데이터 요소와 소오스를 결합하고, 공간 연속성 분석을 토대로 상기 무선 신호 데이터에 보간 모델을 적용하며, 상기 보간 모델을 이용하여 상기 무선 시스템내에 알려진 지형 위치에서 알려지지 않은 데이터 요소의 가능한 신호 세기 경로 손실 값을 결정하는 프로세서를 포함하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.
제36항에 있어서, 상기 보간 모델은 지형 통계 보간 기법을 이용하는 것을 특징으로 하는 무선 통신 시스템에서 RF 전파를 평가하는 장치.